Cold season emissions dominate the Arctic tundra methane budget
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Arctic terrestrial ecosystems are major global sources of methane (CH4); hence, it is important to understand the seasonal and climatic controls on CH4 emissions from these systems. Here, we report year-round CH4 emissions from Alaskan Arctic tundra eddy flux sites and regional fluxes derived from aircraft data. We find that emissions during the cold season (September to May) account for ≥ 50% of the annual CH4 flux, with the highest emissions from noninundated upland tundra. A major fraction of cold season emissions occur during the "zero curtain" period, when subsurface soil temperatures are poised near 0 °C. The zero curtain may persist longer than the growing season, and CH4 emissions are enhanced when the duration is extended by a deep thawed layer as can occur with thick snow cover. Regional scale fluxes of CH4 derived from aircraft data demonstrate the large spatial extent of late season CH4 emissions. Scaled to the circumpolar Arctic, cold season fluxes from tundra total 12 ± 5 (95% confidence interval) Tg CH4 y(-1), ∼ 25% of global emissions from extratropical wetlands, or ∼ 6% of total global wetland methane emissions. The dominance of late-season emissions, sensitivity to soil environmental conditions, and importance of dry tundra are not currently simulated in most global climate models. Because Arctic warming disproportionally impacts the cold season, our results suggest that higher cold-season CH4 emissions will result from observed and predicted increases in snow thickness, active layer depth, and soil temperature, representing important positive feedbacks on climate warming.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle